Communitygithub.com

Untertitel (Greenscreen, Voice-synced, Shorts-sicher)

Erzeugt einen separaten Greenscreen-Clip mit wortgenauen Untertiteln für YouTube Shorts, optimiert für die Nachbearbeitung in After Effects.

Was ist Untertitel (Greenscreen, Voice-synced, Shorts-sicher)?

Dieses Skill erstellt für ein kurzes Video einen separaten Clip mit wortgenauen Untertiteln auf reinem Grün (#00FF00). Die Untertitel werden NICHT in das Video eingebrannt, sondern als eigener Clip geliefert, den der Benutzer in After Effects mit Keylight keyn kann. Das Design ist auf YouTube Shorts abgestimmt: weiße, großgeschriebene Arial-Black-Text mit schwarzer Outline und hartem Schlagschatten, zentriert und tief im Bild platziert (71,5 % der Bildhöhe), sodass die Shorts-UI (Titel, Buttons, Musikanzeige) die Untertitel nicht überdeckt. Es werden maximal 2–3 Wörter pro Untertitel ausgegeben, die synchron zur gesprochenen Narration eingeblendet werden. Das Skript prüft automatisch jede Untertitelzeile auf die Shorts-Sicherheitszone und gibt Warnungen aus. Die Ausgabe umfasst eine Greenscreen-Datei (h.264, yuv444), eine Alpha-Datei (ProRes 4444), eine JSON-Datei mit den Timings und eine Vorschau-Datei. Die Zeiteinteilung und Aufteilung erfolgt auf Basis von Wort-Transkriptionen (faster-whisper) und kann über zahlreiche Parameter (Schriftgröße, Position, maximale Breite, Wortanzahl, Pausen) angepasst werden. Das Skill ist für Claude Code, Cursor und Codex optimiert und läuft auf dem Haiku-Modell, um Tokens zu sparen.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/fahniazz/claude-shorts-skills/tree/HEAD/skills/captions

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Was macht Untertitel (Greenscreen, Voice-synced, Shorts-sicher)?

Der Benutzer bearbeitet die Untertitel in After Effects weiter, daher werden die Untertitel NIEMALS in das Video eingebrannt. Liefern Sie einen separaten Clip auf reinem Grün (#00FF00), mit derselben Auflösung, Bildrate und Bildanzahl wie das Video, den der Benutzer mit Keylight keyn kann.

Look (vereinbart 2026-11-11, basierend auf dem "LOCKED" Referenzframe des Benutzers)

  • Position: horizontal zentriert; die Mitte der Großbuchstaben bei 71,5 % der Bildhöhe (unterhalb der Brust der Person). Die Mitte der Großbuchstaben ist der Anker, damit ein Komma oder ein Q die Untertitel nie verschiebt.
  • Weiß, GROSSBUCHSTABEN, Arial Black, 3,2 % der Bildhöhe (82 px bei 2560). Zuerst waren es 4 %, und der Benutzer wünschte eine kleinere Größe, damit die Shorts-UI sie nie verdeckt. Schwarze Outline; harter schwarzer Schlagschatten unten-rechts. Der Schatten ist absichtlich fest: Ein weicher/halbdurchlässiger Schatten erzeugt beim Keyn einen grün-grauen Rand.
  • Die Zeichensetzung bleibt erhalten wie im Skript (MONA LISA. / PARIS, / 1911.). Der Benutzer wünschte dies. --strip-punct entfernt abschließende . , ; :
  • Maximal 2–3 Wörter pro Untertitel. Ein Untertitel überschreitet niemals einen Satz/ein Komma oder eine Sprechpause, endet nie auf einem Füllwort (the, of, with, yang, di, dengan ...), teilt nie einen Namen (Mona | Lisa) und vermeidet einzelne Wörter.
  • Jeder Untertitel erscheint auf dem Frame, in dem sein erstes Wort gesprochen wird (ein 5-Frame-Pop 0.85 -> 1.06 -> 1) und bleibt bis zum nächsten stehen. Nach einer Sprechpause endet er 0,25 s nach dem letzten Wort.

YouTube Shorts Sicherheitszone (muss für jeden Untertitel gelten, beim 1.06-Peak des Pops)

Konservative Überlappungsbereiche:

  • Aktionsbuttons: rechte 16 % der Breite
  • Titel/Kanal/Musik: untere 25 % der Höhe
  • obere Leiste: obere 8 % der Höhe

Das Skript misst jede Untertitelzeichnung und gibt WARNING outside the Shorts safe zone: <text> aus, wenn eine der Text den Bereich überschreitet, sowie die Reichweite (sollte etwa "83,8 % der Breite, 69,8–74,0 % der Höhe" betragen). Blöcke werden so aufgeteilt, dass sie in --max-width 0.68 passen. Ein einzelnes langes Wort wird verkleinert, um hineinzupassen. Niemals mit einer WARNUNG ausliefern: --size verringern oder --y leicht erhöhen.

Modell (Token-Ersparnis, genehmigt 2026-11-12)

Untertitel mit Haiku 5.5 ausführen (remotion-renderer-Agent mit model: "haiku" oder einer Haiku-Sitzung): Das Skript übernimmt Timing, Aufteilung und Sicherheitszonen-Prüfung und gibt sie als Text aus. Sonnet nur, um ein neues Untertitel-Design zu beurteilen; Opus nur, um die Logik von scripts/captions.py zu ändern.

Schritte

  1. Wort-Zeitdaten: die Datei stories/<slug>/voice/words.json des Kurzvideos. Sie wird von scripts/words_from_voice.py erstellt (faster-whisper ausgerichtet an der Schreibweise des Skripts). Fehlt sie, erstellen Sie sie zuerst: python scripts/words_from_voice.py <voice.wav> <SCRIPT.md> <words.json> [en|id]. Die Zeiten müssen mit der Audio des Videos übereinstimmen (die Stimme des Endprodukts beginnt bei 0 s).
  2. Zuerst einen Test-Ausschnitt rendern (der Benutzer möchte einen kurzen Test SEHEN, bevor ein vollständiger Render durchgeführt wird):
    python scripts/captions.py stories/<slug>/voice/words.json out/<slug>/captions --start 0 --dur 10 \
      --preview "out/<slug>/final/<Title>.mp4" --alpha
    
    Es gibt jeden Untertitel mit seinen Zeiten und der Sicherheitszonen-Prüfung aus und schreibt:
    • captions_green.mp4
    • captions_alpha.mov
    • captions.json
    • captions_preview.mp4 (Video + gkeyte Untertitel + Ton, nur zur Überprüfung)
  3. Überprüfung:
    • Einzelbild der breitesten Untertitel aus der Vorschau mit den Shorts-Zonen in rot (ffmpeg drawbox: x=iw0.84 von y=ih0.45, y=ih0.75 bis unten, oben ih0.08), mit hstack zu einem Blatt zusammenfügen und ansehen.
    • Ein Vollformat-Ausschnitt auf Grün-Streifen prüfen.
    • Dem Benutzer captions_preview.mp4, captions_green.mp4 und die ausgedruckte Untertitelliste senden.
  4. Nach der Freigabe durch den Benutzer die volle Länge rendern mit --dur <Film-Bilder / fps>, damit der Clip genau die Bildanzahl des Films hat (prüfen mit ffprobe -count_packets).

Knöpfe (scripts/captions.py)

  • --y 0.715: Position
  • --size 0.032: Schriftgröße
  • --max-width 0.68: breitester Untertitel
  • --font <ttf>
  • --max-words 3
  • --gap 0.30: Pause, die eine Phrase unterbricht
  • --hold 0.25
  • --lead 0: Bilder früher
  • --no-pop
  • --lower: Groß-/Kleinschreibung beibehalten
  • --strip-punct
  • --alpha: ProRes 4444

AE-Notizen für den Benutzer

  • Grün-Clip: Keylight mit Bildschirmfarbe = reines Grün verwenden. Es ist yuv444 crf 8, daher bleiben die Kanten sauber.
  • Alpha .mov: benötigt kein Key (einfach darüberlegen).
  • captions.json: listet jeden Untertiteltext und seine In/Out-Sekunden auf, um sie als Textebenen wiederherzustellen.

Verwandte Skills